Carnegie Mellon Revoluciona Análise Esportiva:Pioneirismo em Insights Baseados em Dados para Vantagem Competitiva

André Corselli
(Imagem:StockSnap via Pixabay)
Os analistas desportivos de hoje têm acesso a mais – e melhores – dados do que nunca. Os especialistas da Carnegie Mellon University estão transformando esses dados em insights, usando estatísticas e ciência de dados para ajudar equipes profissionais a obter vantagem competitiva.

“A cada décimo de segundo, os chips de dados Next Gen da NFL fornecem informações sobre onde cada jogador está posicionado no campo – a direção em que estão se movendo, a velocidade em que estão se movendo”, disse Ron Yurko, professor assistente no Departamento de Estatística e Ciência de Dados da CMU e Diretor do Carnegie Mellon Sports Analytics Center.

O rastreamento de jogadores em campo vai além da NFL.
Ron Yurko (Imagem:CMU)
“A MLB tem informações sobre cada swing da Liga Principal de Beisebol”, disse Yurko, que também é parceiro acadêmico da NFL. “No beisebol e no basquete, eles têm o que é chamado de ‘dados esqueléticos de pose’, onde sabemos, a cada fração de segundo, onde está o cotovelo, o ombro, a rótula e no espaço tridimensional.”

É claro que a pergunta que todos querem responder – desde proprietários de equipas, gestores e treinadores a analistas, apostadores e adeptos – é o que fazer com todos esses dados. Continue lendo para Resumos técnicos exclusivos entrevista, editada para maior extensão e clareza, com Yurko, que sabe exatamente o que fazer com os dados.

Resumos técnicos :Que tipo de tecnologia você usa para coletar esses dados? E você pode explicar em termos simples como tudo funciona?

Yurko :Não coletamos pessoalmente os dados na Carnegie Mellon; esses dados vêm da NFL.

A NFL tem fichas nas ombreiras de todos os jogadores em campo. Eles percebem onde estão no campo a cada décimo de segundo; quão rápido eles estão se movendo; a direção em que estão se movendo e mudando; como eles estão acelerando ao longo da peça. Então, como pesquisadores, teremos acesso a esses dados – seja por meio de colaborações com a NFL ou da divulgação dos dados que eles fornecem – e trabalharemos nisso. Que novos insights podemos extrair disso? E nossos alunos trabalharão nesses projetos, participarão da competição anual Big Data Bowl da NFL, e isso levará a oportunidades de emprego.

E no nível universitário, o que acontece é que eles não têm as fichas nas ombreiras dos jogadores de futebol universitário, mas você tem uma quantidade incrível de vídeos. E usando a tecnologia de IA de visão computacional, podemos converter esse vídeo em tipos de dados muito semelhantes aos provenientes dos chips da NFL. O que as equipes da NFL estão trabalhando agora é o mesmo tipo de dados de rastreamento ricos em todo o futebol universitário; eles estão usando isso para descobrir quem são os jogadores que devem convocar.

Resumos técnicos :Você pode falar sobre alguns dos chips que eles estão usando?

Yurko :Na NFL, são chips RFID – sinais infravermelhos que são captados nos estádios da NFL. São os sistemas de posicionamento local que realmente fornecem dados extremamente ricos que a NFL possui. Além disso, agora a NFL se juntou a nomes como a Major League Baseball e a NBA, onde possuem sistemas completos de câmeras ao redor do estádio. E a NFL no ano passado, eles usaram esse sistema de câmera, acho que é o Hawkeye, para captar onde a bola está e marcar a primeira descida - a bola cruza a linha da primeira descida - em vez de lidar com as correntes antiquadas. Agora isso pode ser automatizado devido à forma como eles poderiam pegar a bola de futebol.



A partir dessa mesma tecnologia, a NFL agora tem acesso a onde estão literalmente as mãos, os cotovelos e os joelhos dos atletas – uma representação esquelética completa dos jogadores de futebol em campo em frações de segundo. Essa tecnologia já existe e está sendo usada na NFL. Ele tem sido usado por times da Liga Principal de Beisebol e times da NBA há vários anos, mas agora estamos vendo isso em outros esportes.

Resumos técnicos :Qual liga você diria que tem a tecnologia mais avançada?

Yurko :Eu diria, neste momento, Liga Principal de Beisebol. Provavelmente foi o mais avançado no uso de tecnologia e estatística - “Moneyball” é a famosa história do início dos anos 2000 sobre o uso de dados pelo Oakland A.

Portanto, as equipes da Liga Principal de Beisebol foram definitivamente as primeiras a adotar o pensamento sobre como integramos a tecnologia e usamos modelagem estatística, aprendizado de máquina, para entender como avaliar os jogadores. Você vê isso não apenas pelas equipes, mas também pelos próprios jogadores.

Os jogadores irão para esses laboratórios de arremesso – eles usam câmeras de alta velocidade, entendendo o que acontece quando modificam a aderência da bola; como isso muda as forças, a trajetória de voo e o movimento; projetando novos campos. E eles estão literalmente usando toda essa tecnologia e dados para se tornarem jogadores melhores. Portanto, o beisebol está à frente em relação a outros esportes.

Na NFL, quando esse rastreamento de dados dos chips começou em 2017, isso levou a uma pequena corrida armamentista, onde agora as equipes da NFL estavam começando a contratar cientistas de dados, engenheiros de aprendizado de máquina, para realmente descobrir como trabalhar com todas essas informações.

Resumos técnicos :Você foi citado naquele artigo que li dizendo:"Literalmente a cada décimo de segundo, os chips Next Gen Data da NFL fornecem informações sobre a posição, velocidade e direção de cada jogador. A questão agora é o que fazer com todos esses dados." Bem, minha pergunta é:Qual é a resposta? O que você faz com todos esses dados? Quais são seus próximos passos? Para onde você vai a partir daqui?

Yurko :Essa é uma boa pergunta. O que temos trabalhado como pesquisadores, e o que sabemos que está sendo usado pelas equipes da NFL, é como caracterizamos o movimento que estamos observando e entendemos o que é um tipo de movimento de alto valor, posicionamento de alto valor - por exemplo, quais defensores estão jogando a melhor cobertura contra os receptores enquanto percorrem rotas. Esse era um tipo de estatística que não tínhamos acesso antes nas pontuações tradicionais. Se você tivesse um defensor cobrindo um recebedor, e se ele fosse um defensor incrível que um quarterback nunca tentou arremessar em sua direção, eles nunca conseguiriam uma interceptação, nunca conseguiriam um tackle, eles nunca teriam nenhuma estatística de contagem.

Transcrição

00:00:02 Se você considera o futebol como um jantar, um olheiro, um treinamento, esse é o bife. Análise esportiva para mim é o purê de batatas. É o molho. É algo que pode fazer uma boa refeição – uma ótima refeição. Eles têm explorado a colheitadeira nos últimos 40 anos. Quão longe você consegue pular? Qual é a sua altura? Qual é a novidade que podemos descobrir? Quando esperamos que essa pessoa seja convocada? As análises estão por trás de praticamente todos os aspectos do jogo. CMSAC é o CarnegieMellon Sports Analytics Center,

00:00:28 que é nosso centro de pesquisa e educação e diversos eventos que realizamos na Carnegie Mellon University. Nossos alunos se tornaram realmente o padrão do tipo de indivíduo que as equipes e ligas esportivas profissionais procuram. Agora temos acesso a frações de segundo em que cada jogador está no campo de futebol devido às fichas que estão em suas ombreiras. Então, sabemos literalmente a cada 10 segundos o quão rápido eles estão se movendo, a direção em que estão se movendo, qual é a orientação de seus ombros. Então, o que nos concentramos como grupo é desenvolver metodologia estatística,

00:01:02 métodos de aprendizado de máquina, ferramentas de IA que podem levar a insights acionáveis. Dado esse conjunto de dados, podemos ser criativos o suficiente em nossa análise para identificar insights úteis para criar vantagens competitivas para uma equipe? Dentro de uma jogada, podemos literalmente prever onde eles vão parar em campo, quantas jardas vão ganhar. Qual é a probabilidade de eles conseguirem um touchdown. Certo. Tudo isso requer uma metodologia bastante sofisticada. O esporte significa muito para muitas pessoas. Os dados oferecem apenas outra maneira de se conectar com o esporte.

00:01:35 Ser capaz de pegar dados não estruturados, mergulhar neles e contar uma história é super gratificante. É incrível ver os alunos da CMU transformarem suas paixões em carreiras que, você sabe, ajudam a moldar o futuro do futebol profissional. Se você considera o futebol como um jantar, um olheiro, um treinamento, esse é o bife. Análise esportiva para mim é o purê de batatas. É o molho. É algo que pode fazer uma boa refeição – uma ótima refeição. Eles têm explorado a colheitadeira nos últimos 40 anos. Quão longe você consegue pular?

01:00:19 Qual é a sua altura? Qual é a novidade que podemos descobrir? Quando esperamos que essa pessoa seja convocada? As análises estão por trás de praticamente todos os aspectos do jogo. CMSAC é o CarnegieMellon Sports Analytics Center, que é nosso centro de pesquisa e educação e diversos eventos que realizamos na Carnegie Mellon University. Nossos alunos se tornaram realmente o padrão do tipo de indivíduo que as equipes e ligas esportivas profissionais procuram. Agora temos acesso a frações de segundo onde cada jogador está

01:00:51 no campo de futebol por causa de lascas que estão nas ombreiras. Então, sabemos literalmente a cada 10 segundos o quão rápido eles estão se movendo, a direção em que estão se movendo, qual é a orientação de seus ombros. Portanto, nosso foco como grupo é desenvolver metodologia estatística, métodos de aprendizado de máquina e ferramentas de IA que possam levar a insights acionáveis. Dado esse conjunto de dados, podemos ser criativos o suficiente em nossa análise para identificar insights úteis para criar vantagens competitivas para uma equipe? Dentro de uma jogada, podemos literalmente prever onde eles vão parar em campo, quantas jardas e vão ganhar.

01:01:25 Qual é a probabilidade de eles conseguirem um touchdown. Certo. Tudo isso requer uma metodologia bastante sofisticada. O esporte significa muito para muitas pessoas. Os dados oferecem apenas outra maneira de se conectar com o esporte. Ser capaz de pegar dados não estruturados, mergulhar neles e contar uma história é super gratificante. É incrível ver os alunos da CMU transformarem suas paixões em carreiras que, você sabe, ajudam a moldar o futuro do futebol profissional.